食品感染症の主要な要因を特定する 機械学習アプローチ
Cangyu Jin1, Xiaojuan Qi2, Jikai Wang2
1School of Management, Zhejiang University, Hangzhou 310058, China.
Foods (Basel, Switzerland)
|August 28, 2025
まとめ
この研究では 中国で発生した56,970件の食品感染症の症例を分析し 年齢や食品の種類などの 重要な予測要因を特定しました 機械学習モデルは 病原体や季節のパターンの変化を明らかにし 公衆衛生の介入を助長しました
科学分野:
- 公衆衛生
- 流行病学について
- データサイエンス
背景:
- 食物伝染病は 世界的に公衆衛生に重大な脅威をもたらしています
- 病原体特有のダイナミクスを理解することは 効果的な制御に不可欠です
研究 の 目的:
- 病原体特有の食品感染症の時間的動態,予測,季節的パターンを体系的に分析する.
- リスク予測と公衆衛生の介入に 機械学習を活用する
主な方法:
- 中国の江省で発生した56,970件の食品感染症 (2014-2023) の分析.
- 疫学,環境,社会経済,農業データを統合する.
- ラッソ回帰,ランダムフォレスト,XGBoostを予測者識別とモデルトレーニングに使用する.
- 動向と季節性分析のための季節的なARIMAとタイムシリーズ分解を使用した.
主要な成果:
- 患者の年齢,食品の種類,気候政策,加工方法など 41の重要な予測要因を特定した.
- 機械学習モデルは高い精度 (86-87%) を達成し,堅実なパフォーマンスを示しました.
- 病原体スペクトルにおける観測された変化:ビブリオ・パラヘモリチカスの減少,サルモネラ菌の増加,2016年以降,ノロウイルスとビブリオ・パラヘモリチカスの季節的なピーク.
- バクテリアの発生における季節的および傾向的要素の重要な役割が確認された.
結論:
- 機械学習とタイムシリーズの分析は,病原体特有の食品感染症の監視に役立つツールです.
- 重要な危険因子と時間的なパターンを強調することで,標的を絞った公衆衛生介入を支援します.
- 宿主,曝露,環境要因の相互作用を理解することは,食品感染症のリスクを軽減するために不可欠です.
